创新的移动E-Healthcare系统:一个新的基于规则的缓存替换策略使用最少的利润值

文摘

提供和管理e-health数据来自异构和无处不在的e-health服务提供商的内容分发网络(CDN)提供e-health服务是一项非常具有挑战性的任务。内容分发网络通常是用来缓存e-health媒体实时医学图像和视频等内容。高效管理、存储和缓存的分布式CDN e-health数据或在云计算环境中,移动方便,医生,病人卫生保健专业人员和其他e-health服务提供者直接访问e-health信息有效的决策以及更好的待遇。缓存的一个关键方法在分布式计算环境中提高数据检索的性能。在缓存中找到哪些项目可以驱逐和更换,使用缓存替换算法。提出了许多缓存的方法,但SACCS-Scalable异步缓存一致性计划已被证明是比其他人更具有可伸缩性。在这项工作中,我们提出一个新的缓存替换algorithm-Profit SACCS-that基于规则的最小利润价值。它取代SACCS使用最近最少使用的策略。比较不同的缓存替换策略。

1。介绍

移动云计算、移动计算和云计算相结合,自2009年以来势头。移动设备和无线网络的不同特点使移动云计算的实现更复杂的比固定的云。移动云计算的一个关键因素是服务请求的端到端延迟。数据缓存是一种广泛应用于有线和无线网络的技术来提高数据访问效率。缓存是一个临时存储的数据可能再次使用。缓存成功的面积计算因为访问模式的典型计算机应用展示位置(1]。缓存是有效地降低带宽需求和网络延迟。

缓存频繁访问的数据项是一个非常重要的和有前途的技术在移动计算。客户机/服务器框架在移动计算环境中,客户是移动单元与数据服务器通过无线通信联系,信息访问。缓存管理认为两个维度:一致性和替换策略。缓存失效缓存服务器和客户端之间的一致性。缓存替换策略确定哪些数据从缓存中删除当没有更多的空间来保存一个新的数据项。

提出了两种方法对于维护缓存用户和服务器之间的一致性:有状态的方法和无状态方法。结合这两种方法,可伸缩的异步缓存一致性方案提出了与最近最少使用(LRU)置换算法(2]。

在这项工作中,我们实现了基于规则的最小利润值与SACCS (R-LPV),我们称之为利润SACCS,并比较它与其他的缓存替换策略。R-LPV缓存替换技术,认为一个数据项的缓存参数和项目的关系与整个缓存设置。数据项之间的关系被发现使用关联规则的数据挖掘(3]。利润函数的目的是计算利润从缓存数据项。我们的贡献可以概括如下:(我)我们正式定义的可伸缩的异步缓存一致性计划和大纲其功能。(2)我们提出了一个基于规则的最小利润值作为缓存替换策略在移动e-healthcare系统。(3)我们当前加强SACCS算法,认为不仅数据项缓存参数,而且这个项目与其他项目的关系在缓存中。(iv)我们提供实验结果确定的效率和adequateness最不以利润为基础的解决方案方案。

本文的其余部分组织如下:部分2提出了相关的工作。部分3礼物SACCS获利。并给出了实验结果4。和一个部分得出结论5。

2。相关工作

在过去的几年中,移动计算丰富地用于计算机技术(4]。许多问题产生于计算机领域,因为无线连接是昂贵的和带宽是有限的。节省时间在基站与移动用户之间交换数据,提高系统的性能,数据缓存是对移动用户为了访问最近使用的数据或最有可能在未来使用。移动计算环境中使用数据缓存来减少查询的数量由客户向服务器发送访问所需数据。最近使用或可能用来获取数据缓存的移动用户为了将来被重用。因此,数据缓存提高了移动应用程序的性能,减少预期的数据访问延迟。缓存的性能也受到所使用的缓存替换策略的影响。

在缓存中缓存替换算法确定哪些数据项(即取代。,选择一个替代受害者)当缓存已满。不同的策略选择替代受害者是用于提高移动通信系统的性能(2,5,6]。时间局部性、空间位置和语义位置三种类型的缓存替换策略中普遍使用今天7]。时间局部性定义使用的数据将在未来被重用(例如,最近使用)。空间位置定义了数据在附近的地方最近使用的数据将被再次使用在未来8]。目前使用的语义位置意味着数据区域可能在未来被访问(6]。

验证数据的缓存,移动客户端尝试查询服务器拥挤的网络的狭窄困在有限的带宽和传输能力。失效方法解决这个问题。它减少了数据从客户端转移到服务器,反之亦然。失效报告提出无效的使用(或无效的)移动用户缓存中的数据(9]。断开连接后,连接用户阻止使用失效报告丢弃浪费他们所有的缓存,因为有些数据可能仍然是有效的使用。失效报告是基于两种不同的方法:(我)广播时间戳策略:更新的数据在报告中表示为一对(ID、时间戳)ID是更新后的数据本身和时间戳是数据更新的时间。(2)无效的位序列的方法:报告变大的更新后的数据量也就越大。位序列的方法解决了这个问题,展示每一块数据的报告有点位序列号在报告中表示数据库中的数据序列号。如果数据已经更新,在报告中位的值是1,否则一点的值是0。

在过去的几年里,刺激策略提出了移动计算系统的维护数据一致性。这些策略会导致一个更好的系统性能降低带宽利用率和查询延迟,节省电力和能源为移动客户(10]。失效的报表缓存失效的方法被用来保存缓存一致性。在这种方法中,失效报告(IRs)由服务器客户端定期播放。当客户端接收请求的数据,它等待下一个红外无效或验证相应的数据缓存。如果数据是无效的,客户端发送一个请求到服务器的一个有效数据的副本。否则,客户直接返回所请求的数据。

任何客户的延迟回答查询取决于红外区间的长度;红外光谱间隔变长,答案查询被推迟。提出的解决,延迟是曹复制IR次红外区间内(11]。复制国税局,称为失效报告更新,只包含数据项更新广播后最后的红外光谱。通过这种方式,客户端应该等待最大的红外区间来回答查询的任何数据。这一命题减少了查询延迟时间。

为减少广播报道的开销和提高缓存命中率,邵和陆提出substitution-based策略更新的频率数据对象。更新消息将播放而不是无效的消息(12]。考虑intrafile和文件间的关系,Santhosh史和提出了一个基于语义缓存置换算法和文件访问模式不是随机的(13]。阮和董14]试图提高缓存可重用性在移动客户端断开连接。Anandharaj, Anitha15)提供了一个架构,实现低延迟和丢包,以及减少网络带宽消耗和数据服务器的工作负载。Zeitunlian和Haraty16)提出了一个缓存置换算法基于时间的所有过去的引用的数量,因此被认为是对一个数据对象的引用。

在关联规则缓存替换方法,客户端访问历史挖掘关联规则和信心值(12,17,18]。其他缓存变量(如修改率、缓存失效,数据消息大小,和检索延迟)产生的规则是用于计算目标函数(19- - - - - -22确定哪些数据项)是被取代。

3所示。利润SACCS

移动计算模型是由固定电台或服务器和主机或移动客户端,如图1(23]。在这个模型中,有两种类型的缓存一致性维护算法:无状态和有状态。在无状态方法,服务器并不了解客户端的缓存内容所以定期广播数据失效报告所有手机用户(亩)。在这种算法,移动站(MSS)支持不维护任何状态信息对其移动用户缓存(中央),从而允许简单的数据库管理服务器缓存(SC)但是可怜的可伸缩性和能够支持用户分离和机动性。另一方面,有状态的方法是使用大型数据库系统复杂的服务器数据库管理的成本。亩之间的通信在这些方法是可靠和红外广播的海量存储系统(MSS)中,这意味着一个μ发回确认为每个从服务器接收到红外广播。移动用户断开连接,因此,如果它不接收任何红外广播和服务器,没有得到任何确认,再次重新发送红外。

本文基于一本小说缓存一致性维护算法,称为可伸缩的异步缓存一致性方案(SACCS)相结合的积极特性无状态和有状态的方法。在不可靠的通信环境下,SACCS提供小额过期缓存命中概率;为数据条目过期缓存命中时发生在连接μμ忽略了红外数据录入和更新时间数据录入时在其TTL (time - to - live期限)。

海量存储系统(MSS)中区分只有μ对象的有效状态,而不是有状态的策略,所有数据对象必须被识别。如果我们比较SACCS无状态的策略,定期广播国税局亩不需要,所以我们有少数量的失效报告消息。

数据结构用于海量存储系统(MSS)中,μ为每个数据对象如下:(我)在海量存储系统(MSS)中:,,),是数据对象;数据对象是最后更新时间;和是一个标志位。(2)在μ:(,,),是数据对象;是时间戳的最后更新时间指示缓存数据对象;和是一个微不足道的标志识别四个数据条目状态:有效的,不确定的,不确定的等待查询,ID-only。

任何数据对象有三种状态:有效,不确定,ID-only如图2。

μ缓存数据时,那么它在有效状态。当μ但是一些断开连接的数据缓存然后当μ再次发生数据处于不确定的状态。当数据缓存更新μ和无效,然后在ID-only状态数据。的状态变化不确定从ID-only有效或有效的验证对象时和下载。当数据对象在不确定的或有效的状态然后播放一个红外ID-only数据对象的状态变化。表1提出了一个描述的通信消息发生在海量存储系统(MSS)中,所有的亩。

海量存储系统(MSS)中需要的数据输入缓存,广播从亩,亩后收到任何请求和标志设置为1的情况下,它是0。的时间戳数据项在MSS和μμ的比较在一个不确定的消息。确认消息是从海量存储系统(MSS)中,以防播放时间戳是相等的;有效的数据项是播放所有亩。数据条目设置为1的旗帜,以防它是0。在海量存储系统(MSS)中得到一个更新的信息从原始服务器,然后在海量存储系统(MSS)中数据库更新数据项新的估计TTL。一个红外播放所有亩,以防数据条目的国旗是1,然后标记设置为0。

当一个μ接收一个消息请求数据对象,μ检查其本地数据库或缓存和请求回答时所需的对象是有效的,但消息将被发送到的海量存储系统(MSS)中有效数据所需的对象处于不确定的状态。消息将被发送到数据的海量存储系统(MSS)中得到新值对象ID-only以防数据条目。一个μVData消息;输入刷新缓存中的数据是在一个不确定的状态;别的,μ响应请求,并缓存数据对象,以防有查询等数据。将下载的数据对象,以防ID-only状态。数据条目将ID-only以防一个红外接收。条目数据将刷新当μ接收到确认消息和一个不确定的条目有相应。

利润SACCS使用基于规则的最小值(R-LPV)。R-LPV认为不仅数据项缓存参数,而且这个项目与其他项目的关系在缓存中。在移动客户端缓存中的数据项是相互关联的。许多不同的数据项之间的关系可以发现或确定如果一个好的历史的观察这些数据项在缓存中。我们可以知道在一段时间内的数据项将由客户端访问在不久的将来通过观察数据项之间的关系在这段时间内已经通过客户端访问。这种关系的一个例子是“如果客户端访问d1和d2,然后它访问d380%的时间。“前提是“如果”规则的一部分,而随之而来的就是“然后”部分。数据挖掘是用来发现关联规则的访问历史和应用这些规则来决定更换。我们将把他们称为缓存规则。一个缓存规则的形式,在那里的子集,属于,是空的。在哪里被称为先行词的规则吗叫的。一个项集是一组数据项;项目集的大小的总和数据项的数量在这个项目集,和一个itemset itemset的大小等于。课程包含的百分比被称为itemset的支持,项目集的支持包含项目双方的规则称为缓存规则的支持。一个缓存规则的信心(信心()被定义为规则的支持除以前期的支持。

缓存规则挖掘的问题是找到的所有关联规则支持和信心超过用户定义的最小支持度)和最小的信心(minconf)。利润SACCS从客户机的访问跟踪生成频繁项集的支持大于最小支持作为参数,然后生成规则后的频繁项集和最小的信心。

获得的利润由于数据缓存应用R-LPV策略的主要因素。替换规则集的数据项列表为了利润函数从缓存数据项计算。数据项被替换或缓存优先级由一个驱逐函数决定的,每一个不同的置换算法使用。在R-LPV,利润函数计算来确定从缓存中数据项。每个项目都有利润我们赖以生存,如果这个项目是否被驱逐。预期的访问的首先为了找到利润计算由于这个项目吗。

的值对于一个项目计算的总和信心的规则,这属于替代集如下所示: 因此,缓存项给药 在哪里表示delay-saving由于缓存项和计算 结合上述情况,我们得到。

缓存替换的目标是最大化的利润总额缓存的数据项。R-LPV策略选择与最小利润和清除缓存的数据项在每个替代。

在利润SACCS,我们首先检查缓存中的数据的可用性。如果数据是在有效状态,然后我们更新去年的参考时间,计算新值。我们恢复堆堆财产通过添加新值。如果数据处于不确定状态,计算新值在新引用时间,发送消息,检查数据的有效性。如果数据是ID-only甚至没有缓存,数据和获取它的值。最后的时间参考添加计算新值,插入到堆,因此调整它。如果没有下载这些数据的空间数据对象最少的利润值被替换为新的数据对象。这个数据对象的值插入到堆计算和堆恢复。

算法1描述了SACCS获利。在算法1,代表数据对象,代表数据对象的消息,代表将被替换的数据对象,R-LPV值计算的数据对象,和最少的利润价值。

算法,排序的数据项是由使用堆结构,考虑到数据项的R-LPV值。最少的利润值数据堆的根。数据对象在堆的根对象从堆中被驱逐。数据对象的驱逐是重复直到积累足够的空间为新数据对象插入到缓存。

4所示。实验结果

我们实现了利润SACCS算法和创建了一个模拟环境用c++编程语言编写的。我们选择一个细胞环境中,有一百个移动单元,其中每个移动单元的缓存大小为300,一千年的数据条目拥有不同的访问命令,一个随机的数据大小(以字节为单位),和一个多变的平均更新间隔(以秒为单位)。每一个移动单元可以在睡眠或处于唤醒状态和睡眠/唤醒的控制过程是由两国马尔可夫链(24];因此,每一个移动单元状态可能会改变一个随机选择从以下时间间隔(500、1000、1500、2000和2500秒)。睡眠比0.1,0.3,0.5,0.7,0.9。请求到达率可以1/10,1/60,1/110,1/160,1/210。注意,当一个移动单元进入睡眠状态,接收到的请求都被忽略了。至于查询延迟标准,它被设置为零查询数据录入时发现在移动单元缓存;然而,如果需要获取所请求的数据对象的手机支持站然后查询延迟将查询响应之间的时间跨度和查询开始。为每个查询收到手机支持站通过上行通道,增加一个上行计数器变量。至于模拟移动单元访问模式,zipf-like分布(25是使用等于1。一个泊松分布26)用于数据输入更新过程和到来的请求。下行和上行数据传输通道的带宽使用1250个基点。上行和下行的消息大小为64字节的大小。

为了评估性能的基于规则的最小利润值作为SACCS缓存替换策略,我们进行了仿真和比较结果为各种实现先前结果:FIFO、LRU, LFU, MFU,系统和随机的。在比较中,我们感兴趣的是以下指标:的总量,也有失误,总支安打,想念和他们的比率在仿真时间,总延迟,平均年龄在仿真时间,和字节/查询以及数据下载/查询值。注意,当一个移动单位查询某个数据条目,它试图找到它的缓存。发现,一个缓存命中计数器递增和查询不需要上行。因此,当目标更高的命中率将会有更少的上行链路/查询。的因素已经测量总,总小姐,小姐比,字节/查询和数据下载/查询。

当移动单元接收到查询时,如果所请求的数据对象是有效的缓存中,然后不需要上行和计算缓存命中。当我们有高命中率,那么上行/查询将小。总打击和总查询R-LPV是最高的,比别人的好,如图3。图中描述了冲击的总数在运行一个完整的模拟使用不同的缓存替换策略。这图显示R-LPV缓存替换策略改善了SACCS因为它的性能更好的管理缓存的请求数据的大部分时间,这样可以减少失效报告节目,因此避免了冗余的网络流量。

数据4和5显示的数量,也有失误在不同时期不同的缓存替换策略的仿真时间。仿真八段时间单位举行模拟间隔50000毫秒的时间。注意,小姐/命中率的和未被发现的/发现(分别地。,见图6和7)缓存中的数据对象总数的数据查询。值得注意的是,至少命中率LFU和随机而FIFO和R-LPV最高。

测量系统性能的关键指标,我们有了两个图表(数据8和9)描绘的总延迟,以及不同时期平均访问延迟在仿真期间各种缓存替换策略。延迟的概念在这里指的是即时发出一个请求之间的时间间隔,在接收到响应时间在移动单位。提高访问延迟的一个解决方案是通过减少上行和下行消息大小和数量。这些图表所示,FIFO和R-LPV方法是表现最好的,因为他们有最低的值的总延迟和平均访问延迟。

图10礼物的字节数/查询直接影响功耗和带宽使用。图表明,FIFO和R-LPV方法的策略使用的字节数最少的查询。这是因为这些方法考虑最近的数据信息和他们的创新方式选择数据对象来代替,以防在缓存中没有可用空间列表。例如,在R-LPV方法,引用的数据对象至少可能在随后的调用是删除。

图11显示了每个查询的下载数量每个缓存替换策略。R-LPV和FIFO的方法几乎相同的最小值在这个图,因为他们是最有效的在选择数据对象来代替,从而消除不必要的需要下载,因为R-LPV选择数据对象是不相关的其他数据缓存中的条目。注意,因为这些策略下载/查询值最低,他们也少resource-demanding功耗。

正如我们所看到的在上面给出的结果,我们R-LPV FIFO的方法给出了一个改进和LRU缓存替换策略。我们的方法显示总打击和命中率最高的和最低的总延迟所有建议替换算法。这些选择的指标比较研究总体系统性能是至关重要的,用户可能会遇到的经历在处理他们的移动单位。

5。结论

缓存是一个关键的方法来提高数据检索的性能在移动计算环境中。由于手机和服务器通过无线网络进行通信,然后他们可能会面临许多问题,如不规则连接,低为上行带宽,和有限的客户资源。这些问题可以通过移动客户端缓存,松了一口气,但缓存有许多局限性。保持缓存一致性,已经提出许多方法如有状态,无状态,SACCS方法。但即使有缓存缓存大小限制时,就会出现一个问题。为了管理这个限制、更换策略建议。

在本文中,我们提出了利润SACCS-a新缓存置换算法是基于规则的最小利润值函数。缓存数据项的参数和这个项目的关系设置了缓存。项目之间的关系被发现使用关联规则的数据挖掘。利润函数的目的是计算利润从缓存项。目标是最大化利润总额为缓存的数据项。算法选择缓存的数据项与利润和清除它在每个替换。算法与其他策略相比,它显示了更好的结果。对于未来的工作,数据挖掘技术用于查找条目之间的关系可用于结合预取与在客户端缓存来提高数据可用性。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作是由黎巴嫩美国大学,贝鲁特,黎巴嫩。

引用

1. s . g .堤坝和k·A·罗宾斯合作代理缓存”的可行性分析学报的第20届联席会议IEEE计算机和通信的社会(INFOCOM ' 01),3卷,第1214 - 1205页,IEEE,安克雷奇,阿拉斯加,美国,2001年4月。视图:出版商的网站|谷歌学术搜索
2. z . Wang s . k . Das h·格瓦拉和m·库马尔,“一个可伸缩的异步缓存一致性方案(SACCS)移动环境中,“IEEE并行和分布式系统,15卷,不。11日,第995 - 983页,2004年。视图:出版商的网站|谷歌学术搜索
3. n .集r·c·乔希和m . Manoj”节能缓存替换在移动计算环境中,“无处不在的计算和通讯》杂志上,2009年,页1 - 10。视图:谷歌学术搜索
4. c·李和l·李”节能在移动网格资源管理”,移动信息系统》第六卷,没有。2、193 - 211年,2010页。视图:出版商的网站|谷歌学术搜索
5. t·n·t·明和t·d·t·Bich“移动信息系统,一个高效的缓存失效策略”《IEEE国际会议上的计算和通信技术,研究,创新,和对未来的愿景(RIVF 10)IEEE,页1 - 4,河内,越南,2010年11月。视图:出版商的网站|谷歌学术搜索
6. A . b . Waluyo b Srinivasan, d . Taniar”分类的多信道广播索引方案在移动数据库、数据传播”18学报》国际会议上先进的信息网络和应用程序(AINA ' 04),1卷,第218 - 213页,2004年3月,日本福冈。视图:出版商的网站|谷歌学术搜索
7. x叮,s .江和f·陈,“缓冲区缓存管理方案利用时间和空间位置,”ACM事务存储,3卷,不。2,第五条,2007年。视图:出版商的网站|谷歌学术搜索
8. a . b . Waluyo b Srinivasan, d . Taniar“最佳广播频道数据在移动数据库环境中传播,”先进的并行处理技术:第五届国际研讨会,APPT 2003年,厦门,中国,2003年9月17日- 19日。诉讼卷,2834在计算机科学的课堂讲稿施普林格,页655 - 664年,柏林,德国,2003年。视图:出版商的网站|谷歌学术搜索
9. h . Chavan和理智的,“移动数据库缓存替换策略:LRU和PPRRP”计算机科学和信息技术的进步卷,131通信在计算机和信息科学施普林格,页523 - 531年,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索
10. a . Gaddah和t .昆兹”,扩展移动使用积极的发布/订阅系统缓存的方法,”移动信息系统》第六卷,没有。4、293 - 324年,2010页。视图:出版商的网站|谷歌学术搜索
11. g .曹”,一个可伸缩的移动环境中,低延迟的缓存失效策略”IEEE工程知识和数据,15卷,不。5,1251 - 1265年,2003页。视图:出版商的网站|谷歌学术搜索
12. X.-K。邵和Y.-S。陆”,维护使用动态缓存一致性的移动数据库定期广播策略,”国际会议的程序在机器学习和控制论西安,页2389 - 2393年,中国,2003年11月。视图:谷歌学术搜索
13. Santhosh和w·史”,一个基于语义缓存置换算法移动文件访问”学报》第十四届国际万维网(WWW 05)会议2005年5月,日本千叶。视图:谷歌学术搜索
14. t·t·m·阮和t . t . b .咚,”一个自适应缓存一致性策略在断开连接的无线网络,”《IEEE计算机科学和自动化工程国际会议(CSAE 11),第260 - 256页,上海,中国,2011年6月。视图:出版商的网站|谷歌学术搜索
15. g . Anandharaj和r . Anitha分布式缓存管理架构为移动计算环境,”《IEEE国际预先计算会议(IACC ' 09)IEEE,页642 - 648年,邦,印度,2009年3月。视图:出版商的网站|谷歌学术搜索
16. a . Zeitunlian和r . a . Haraty”一个高效的缓存替换策略混合缓存一致性方法在移动环境中,“世界科学院、工程和技术,没有。63年,2010年。视图:谷歌学术搜索
17. r . a . Haraty和j . Zeitouny“基于规则的数据挖掘缓存替换策略,”国际期刊的数据仓库和采矿业,9卷,不。1,56 - 69,2013页。视图:出版商的网站|谷歌学术搜索
18. 江,x,魏,j .歌曲,c .汉和m .梁“弱比例规则:广义布尔关联规则,”国际期刊的数据仓库和采矿业,7卷,不。3,50 - 87年,2011页。视图:出版商的网站|谷歌学术搜索
19. r . A . Haraty和l . Turk”,替换算法的比较研究中使用可伸缩的异步缓存一致性方案”学报19 ISCA计算机应用在工业和工程国际会议(凯恩06年)拉斯维加斯,内华达州,美国,2006年11月。视图:谷歌学术搜索
20. A . Kahol s Khurana认为,s . k . s .古普塔和p . k . Srimani”策略来管理缓存一致性在断开连接的分布式环境中,“IEEE并行和分布式系统,12卷,不。7,686 - 700年,2001页。视图:出版商的网站|谷歌学术搜索
21. m . s . Sulaiman汗m . k . Muyeba f . Coenen d·里德和h .陶菲克,“发现关联复合数据集:CFARM算法,”国际期刊的数据仓库和采矿业,7卷,不。3、1至29,2011页。视图:出版商的网站|谷歌学术搜索
22. y s Koh r .梨,g .多臂机”项重量自动生成模式挖掘和应用”国际期刊的数据仓库和采矿业,7卷,不。3、30 - 49岁,2011页。视图:出版商的网站|谷歌学术搜索
23. j . Jayaputera和d . Taniar依赖所在查询的数据检索在多单元无线环境中,“移动信息系统,1卷,不。2、91 - 108年,2005页。视图:出版商的网站|谷歌学术搜索
24. d . Gamerman马尔可夫链蒙特卡罗:贝叶斯推理的随机模拟美国佛罗里达州,CRC出版社,波卡拉顿,1997。
25. g·k . Zipf人类行为和最小努力原则美国,addison - wesley,阅读,质量,1949年。
26. f·a·海特泊松分布的手册在运筹学、出版物,约翰威利& Sons,纽约,纽约,美国,1967年。视图:MathSciNet

版权

版权©2016 Ramzi Haraty。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。